Question

这是我的交易数据：

id          from_id        to_id      amount    date_trx
<fctr>      <fctr>         <fctr>     <dbl>     <date>
0           7468           5695       700.0     2005-01-04
1           6213           9379       11832.0   2005-01-08
2           7517           8170       1000.0    2005-01-10
3           6143           9845       4276.0    2005-01-12
4           6254           9640       200.0     2005-01-14
5           6669           5815       200.0     2005-01-20
6           6934           8583       49752.0   2005-01-24
7           9240           8314       19961.0   2005-01-26
8           6374           8865       1000.0    2005-01-30
9           6143           6530       13.4      2005-01-31
...

我对其进行了如下操作：

data %>% group_by(date_trx=floor_date(date_trx, "week"),from_id) %>%
   summarize(amount=sum(amount)) %>%
    filter(amount > 1000)

在这里，我想每周对数据进行排序，以便可以看到每个帐户每周的总交易额，然后仅在我确定的特定值1000以上才能获得。

我得到以下信息：

date_trx    from_id amount
<date>      <fctr>  <dbl>
2005-01-02  5773    7174.0      
2005-01-02  6213    12032.0     
2005-01-02  6375    3742.0      
2005-01-02  6510    5698.0      
2005-01-02  6727    5923.0      
2005-01-02  7047    1100.0      
2005-01-02  7207    1100.0      
2005-01-02  9440    1100.0      
2005-01-02  9493    4201.0      
2005-01-09  5997    5209.0
...

现在，我想获取满足上述过滤条件的原始数据。我怎样才能做到这一点？为了更清楚，让我们考虑5773。我们知道2005-01-02年的5773个交易总额为7174.0，因此该金额高于阈值1000，因此我保留了该帐户。但是在通过这种方式进行过滤之后，我只想提取单个交易，总计总计7174.0。

Answer 1

这是一种方法。

添加week_trx作为日期的floor，而不是替换date_trx。在汇总之前也要这样做，因为我们将使用它来将数据重新合并到摘要中。
重命名为sum_amount，这样我们就可以轻松地将原始amount与原始{div}相加。（当然，无需执行此步骤，我们就可以轻松区分它们，但是您会使用amount.x和amount.y这两个名称，这些名称对我来说不太直观。）

dat <- mutate(dat, week_trx = lubridate::floor_date(date_trx, "week"))
datsumm <- dat %>%
  group_by(week_trx, from_id) %>%
  summarize(sum_amount = sum(amount)) %>%
  filter(sum_amount > 1000) %>%
  ungroup()
datsumm
# # A tibble: 4 x 3
#   week_trx   from_id sum_amount
#   <date>       <int>      <dbl>
# 1 2005-01-02    6213      11832
# 2 2005-01-09    6143       4276
# 3 2005-01-23    6934      49752
# 4 2005-01-23    9240      19961
left_join(datsumm, dat, by = c("week_trx", "from_id"))
# # A tibble: 4 x 7
#   week_trx   from_id sum_amount    id to_id amount date_trx  
#   <date>       <int>      <dbl> <int> <int>  <dbl> <date>    
# 1 2005-01-02    6213      11832     1  9379  11832 2005-01-08
# 2 2005-01-09    6143       4276     3  9845   4276 2005-01-12
# 3 2005-01-23    6934      49752     6  8583  49752 2005-01-24
# 4 2005-01-23    9240      19961     7  8314  19961 2005-01-26

在此示例中，摘要中有四行，而重新联接表中有四行，但是如果每个from_id多于一行，您将获得更具代表性的结果。作为演示，我将调整几个from_id，以便有一些共同点。

set.seed(4)
dat2 <- dat %>%
  mutate(from_id = sample(head(from_id, 3), size = n(), replace = TRUE))
datsumm2 <- dat2 %>%
  group_by(week_trx, from_id) %>%
  summarize(sum_amount = sum(amount)) %>%
  filter(sum_amount > 1000) %>%
  ungroup()
datsumm2
# # A tibble: 3 x 3
#   week_trx   from_id sum_amount
#   <date>       <int>      <dbl>
# 1 2005-01-02    7468      11832
# 2 2005-01-09    7468       5276
# 3 2005-01-23    7517      69713
left_join(datsumm2, dat2, by = c("week_trx", "from_id"))
# # A tibble: 5 x 7
#   week_trx   from_id sum_amount    id to_id amount date_trx  
#   <date>       <int>      <dbl> <int> <int>  <dbl> <date>    
# 1 2005-01-02    7468      11832     1  9379  11832 2005-01-08
# 2 2005-01-09    7468       5276     2  8170   1000 2005-01-10
# 3 2005-01-09    7468       5276     3  9845   4276 2005-01-12
# 4 2005-01-23    7517      69713     6  8583  49752 2005-01-24
# 5 2005-01-23    7517      69713     7  8314  19961 2005-01-26

数据：

dat <- read.table(header=TRUE, stringsAsFactors=FALSE, text="
id          from_id        to_id      amount    date_trx
0           7468           5695       700.0     2005-01-04
1           6213           9379       11832.0   2005-01-08
2           7517           8170       1000.0    2005-01-10
3           6143           9845       4276.0    2005-01-12
4           6254           9640       200.0     2005-01-14
5           6669           5815       200.0     2005-01-20
6           6934           8583       49752.0   2005-01-24
7           9240           8314       19961.0   2005-01-26
8           6374           8865       1000.0    2005-01-30
9           6143           6530       13.4      2005-01-31")
dat$date_trx <- as.Date(dat$date_trx)

Answer 2

我们不需要summarise，只需按filter进行分组，然后删除创建的临时列。请注意，tidyverse中的许多功能都可以即时进行计算（sum(amount)），而无需创建列

library(dplyr)
library(lubridate)
data %>% 
    group_by(date_trx_week =floor_date(date_trx, "week"),from_id) %>% 
    filter(sum(amount) > 1000) %>%
    ungroup %>% 
    select(-date_trx_week)

根据过滤条件提取原始数据

2 个答案: